Bau Pricing-Engines und
Markteintritts-Tools.

Beispiel

Eine Pricing-Engine, Ende zu Ende.

Comp-Daten für den Markt eines Listings ziehen, gegen die eigene Auslastungskurve gewichten, resultierende Raten an jeden Channel pushen. Dasselbe SDK macht Reads und Writes — keine zweite Integration.

1. 1

   Marktdaten für die Stadt des Listings ziehen

   Ein Read liefert ADR-Perzentile, Demand-Index und das Comp-Set hinter den Zahlen. Gefiltert auf dieselbe Schlafzimmer-Anzahl, dasselbe Layout und Ausstattungsprofil wie dein Listing.

2. 2

   Modell laufen lassen

   Atlas gibt dir den Input in sauberer Form. Dein Modell entscheidet die Rate. Ob Regression, Event-Day-Boost oder einfach „Median minus 3 %" — das bleibt in deinem Code.

3. 3

   Raten über Repull zurückspielen

   Ein Write fan-outed an Airbnb, Booking.com, VRBO und Plumguide. Der Audit-Trail hält fest, was wann und warum angewendet wurde — sichtbar im Dashboard für den Operator.

import { Repull } from '@repull/sdk'

const repull = new Repull({
  apiKey: process.env.REPULL_API_KEY!,
  workspaceId: process.env.REPULL_WORKSPACE_ID!,
})

// 1) Marktdaten für die Stadt dieses Listings + Comp-Set ziehen
const market = await repull.markets.get('austin-tx', {
  matches: { listingId: 'l_4118' }, // Match nach Schlafzimmer/Bad/Ausstattung
  range: { from: '2026-06-01', to: '2026-07-31' },
})

// 2) Dein Modell rechnen lassen
const rates = market.days.map(day => {
  const base = day.compSet.adrP50
  const eventBoost = day.events.length > 0 ? 1.15 : 1
  const occupancyAdjust = day.demandIndex > 0.7 ? 1.08 : 0.97
  return {
    date: day.date,
    rate: Math.round(base * eventBoost * occupancyAdjust),
  }
})

// 3) An jeden verbundenen Channel zurückschreiben — ein Call
await repull.pricing.apply('l_4118', {
  rates,
  source: 'my-engine@v3',
})

Das ist die ganze Engine. Read, Model, Write — dasselbe SDK, dieselbe Auth, derselbe Workspace. Der Audit-Trail (welche Raten wohin, getrieben von welchem Signal) liegt im Dashboard unter Pricing → Audit.